AI w małej firmie to nie jest pomniejszona wersja wdrożenia z korporacji. To zupełnie inna gra: z innym ryzykiem, inną przewagą i innym punktem startu. Kto kopiuje korporacyjny sposób wdrażania do firmy na kilka osób, bierze z niego same koszty i żadnych korzyści. O tej różnicy rozmawialiśmy w podcaście „Z nową energią o finansach” Erste Bank Polska, w którym byłem jednym z gości - obok dr Agnieszki Karlińskiej z Quantica Lab i Bartosza Ziółka z Erste Bank Polska.
Pełna rozmowa i opis odcinka: Jak skutecznie wdrożyć AI w firmie? - Erste Bank Polska. Poniżej rozwijam wątki, które poruszyłem w tej rozmowie.
Dlaczego AI przestało być technologią dla wybranych?
Trzecie prawo Clarke’a mówi, że wystarczająco zaawansowana technologia jest nieodróżnialna od magii. Z poziomu użytkownika duże modele językowe dokładnie tak wyglądają: program odpowiada ludzkim językiem, prowadzi długą rozmowę i rozwiązuje problemy, a my nie do końca rozumiemy, jak to robi.
Ta „magia” ma jednak bardzo przyziemny skutek. Rzeczy, których rok czy dwa lata temu nie było w zasięgu małej firmy, dziś są w zasięgu klawiatury. Nie chodzi o to, że narzędzia są imponujące. Chodzi o to, że są proste w użyciu i od razu użyteczne - i to właśnie robi największą różnicę. To jest demokratyzacja dostępu do technologii, która jeszcze niedawno wymagała budżetu, zespołu i dostawcy.
Dlaczego mała firma nie może wdrażać AI jak korporacja?
Bo gra o zupełnie inną stawkę. W banku czy dużej korporacji wdrożenie od początku liczy się z setkami pracowników albo tysiącami klientów. Jeśli taka organizacja straci na nieudanym wdrożeniu 100 tysięcy złotych, a nawet milion, w wyniku tego nie zobaczy.
Jeśli jednoosobowa albo dwuosobowa firma straci 100 tysięcy, to prawdopodobnie jest ostatni rok jej działalności.
Z tego wynika pierwsza zasada: mała firma nie może sobie pozwolić na kilkumiesięczne eksperymenty prowadzone „dla nauki”. Korporacja kupuje sobie prawo do pomyłki skalą. Mała firma musi wiedzieć, po co wydaje każdą złotówkę i kiedy ma się ona zwrócić.
Jaką przewagę ma mała firma przy wdrażaniu AI?
Tu zaczyna się dobra wiadomość. Przewaga małej firmy nad korporacją jest konkretna i da się ją nazwać w trzech punktach:
- brak regulacji wewnętrznych, które w dużej organizacji potrafią zatrzymać pomysł na miesiące
- brak rozbudowanych procesów, które trzeba przeprojektować, zanim cokolwiek zostanie zmienione
- brak łańcucha zatwierdzeń, przez który przechodzi każda decyzja
To oznacza, że zmotywowany przedsiębiorca, który szuka oszczędności albo nowych przychodów, dziś jest w stanie zrobić sam bardzo dużo. Bez zatrudniania agencji, bez zamawiania projektu w software housie i bez kosztów, które dwa czy trzy lata temu byłyby nie do uniknięcia.
Wiem, o czym mówię, bo sam przez to przeszedłem - opisałem to w artykule o tym, jak zbudowałem działające API, nie będąc programistą. Jedyne, czego to wymaga, to wiedza, jak z tych narzędzi korzystać i które wybrać. I to jest właściwe miejsce na inwestycję małej firmy - nie w licencje, tylko w kompetencje.
Od czego zacząć wdrożenie AI w małej firmie?
Od celu biznesowego, nie od narzędzia. Najlepiej pokazuje to historia sprzed kilku lat, z samego początku mody na AI.
Trafiło do nas zapytanie od firmy, która chciała aplikację do rozpoznawania chorych roślin. Mieli miliony zdjęć, więc pomysł wydawał się oczywisty: wytrenujmy model, zróbmy aplikację i budujmy nią zasięg. Tyle że trenowanie modelu na obrazach było wtedy kosztem zupełnie nieprzystającym do skali tej firmy.
Zadaliśmy jedno pytanie: po co wam ta aplikacja?
Okazało się, że chodzi o to, żeby klienci, którzy kupują od tej firmy, częściej kontaktowali się z jej handlowcami. A to jest potrzeba, którą da się rozwiązać na setki sposobów - i wiele z nich nie ma nic wspólnego ze sztuczną inteligencją.
Wniosek jest uniwersalny:
- Najpierw nazwij cel biznesowy - nie „chcemy AI”, tylko „chcemy, żeby X zdarzało się częściej” albo „żeby Y kosztowało mniej”
- Potem sprawdź, ile trzeba przygotować, żeby do niego dojść - dane, ludzi, czas
- Dopiero na końcu wybierz narzędzie - i bądź gotów na to, że najlepsze rozwiązanie w ogóle nie będzie AI
Wytrenowanie własnego modelu jest dla małej, a nawet średniej firmy zwykle nieopłacalne. Sztuczna inteligencja może za to pomóc dojść do tego samego celu zupełnie inną drogą - tylko często nie wiemy, jak jej szukać. Metodą na dotarcie do prawdziwej potrzeby jest dopytywanie, które opisałem w artykule o metodzie 5x dlaczego.
Najdroższy błąd: inwestycja w narzędzia zamiast w ludzi
Szkolę z pracy z narzędziami AI pracowników korporacji i banków. Widzę jedną prawidłowość: świadomość tego, co można zrobić, rośnie szybko. Świadomość tego, jak zrobić to dobrze, legalnie i bezpiecznie - zdecydowanie za wolno.
Najprostszy przykład to zdjęcie ekranu zrobione telefonem i wrzucone do narzędzia, o którym pracodawca nic nie wie. Pracownik chce szybciej załatwić sprawę, a firma nawet nie wie, gdzie trafiły jej dane. To zjawisko nazywa się shadow AI i jego skalę opisałem w analizie shadow AI w firmach.
Firmy dużo inwestują w same narzędzia i wdrożenia, ale znacznie mniej w ludzi, którzy mają z tych narzędzi korzystać. A bez dobrego operatora każde narzędzie może przynieść efekty, których nikt nie przewidział. W małej firmie ten operator to często sam właściciel - dlatego jego wiedza jest ważniejsza niż wybór modelu. Więcej o tym, dlaczego edukacja działa lepiej niż zakazy, piszę w artykule Jak wdrożyć AI w firmie zamiast zakazywać.
Jak rozmawiać z modelem AI, żeby nie dać się zmanipulować?
Pierwsze wrażenie jest takie, że AI rozwija naszą kreatywność i samodzielność: wytwarzamy więcej, szybciej i w każdej formie - tekst, grafikę, tabele, poprawki. To jednak bardzo ryzykowny skrót.
Po pierwsze, umiejętności, których przestajemy używać, zanikają. Po drugie, modele są zbudowane tak, żeby się z nami zgadzać i doceniać to, co razem z nami tworzą. Łatwo więc wziąć ich entuzjazm za potwierdzenie, że mamy rację.
Prowadziłem szkolenia z krytycznego myślenia oparte na pracach Kahnemana - o tym, jak nie dać się zmanipulować innym ludziom, przełożonym czy podwładnym. Później przełożyliśmy dokładnie te same zasady na rozmowę z modelem i sprawdzają się doskonale w codziennej pracy z czatem.
Najprostsze narzędzie to pytania sokratejskie. Zamiast przyjmować odpowiedź, dopytujesz - na przykład: „co musiałoby być prawdą, żeby to nie zadziałało?”. Sześć typów takich pytań, z przykładami i z tym, jak używać ich w rozmowie z modelem, rozpisałem w artykule o pytaniach sokratejskich i metodzie 5x dlaczego.
Do tego szukanie tych samych pułapek myślowych, które znamy z rozmów z ludźmi, i pilnowanie, żeby model nie przeinaczał tego, co powiedzieliśmy. Zasady, które stosujemy wobec ludzi od dwóch tysięcy lat, działają też wobec maszyny - i pozwalają zostać na poziomie, na którym to my decydujemy, a nie idziemy za podpowiedziami z okienka czatu.
Mechanizmy, na które warto uważać, opisałem w artykułach o dwóch systemach myślenia Kahnemana i o błędach poznawczych w decyzjach. Przy weryfikacji tego, co podaje model, przydaje się też metoda SIFT.
Mała firma, duża przewaga - pod jednym warunkiem
Mała firma ma dziś w ręku coś, czego korporacja nie ma: może zdecydować rano i wdrożyć po południu. Płaci za to wyższą stawkę za każdą pomyłkę. Dlatego jej przewaga nie polega na tym, żeby wdrażać szybciej niż wszyscy, tylko na tym, żeby wiedzieć, po co się wdraża, i myśleć krytycznie, zanim zaufa się odpowiedzi.
Jeśli chcesz, żeby Twój zespół pracował z AI świadomie i krytycznie, zobacz szkolenie z krytycznego myślenia albo umów się na konsultacje.